面向无人机巡检场景图像的电力线提取算法

来源：计算机集成制造系统杂志2024年第9期北京时间：

作者：韦圣贤, 李勇, 双丰, 周子轩, 李培, 李志腾

单位：1.广西大学电气工程学院电力装备智能控制与运维重点实验室2.武汉工程大学智能机器人湖北省重点实验室

摘要：由于电力系统巡检涉及山区、森林、农村和城镇等众多场景,且缺乏面向无人机巡检的电力线数据集,给基于有监督学习的电力线提取任务带来了挑战。为此,构建了一套多场景航拍电力线数据,并针对现有算法提取的电力线精度有待提升以及移动端巡检对算法效率的要求等,提出了一种新的电力线提取算法,所提算法对LinkNet框架进行改进,首先,在其Encoder部分使用轻量型网络,提高算法特征处理的效率,并降低模型的大小。然后,提出了基于深度可分离卷积和通道注意力机制的AD-block来提高网络的感受野,增强网络的特征提取能力。最后,通过引入双线性插值上采样方法等改进Decoder部分。实验结果表明,所提算法在服务器上精度优于对比算法,具有较好的鲁棒性。在Jetson TX2上验证所提算法的精度和效率优于对比算法,能实现每张图像115 ms的处理速度。

关键词：机器视觉,深度学习,语义分割,电力线提取,无人机

基金资助：广西高校中青年教师科研基础能力提升资助项目(2021KY0015);智能机器人湖北省重点实验室2021年度开放基金资助项目(HBIR202108);广西壮族自治区八桂学者资助项目。